塑造风场：用于运动学可容许城市风预测的嵌套势

arXiv:2610.07033v1 发布类型：新 摘要：瞬态城市风的预测对于理解城市微气候和设计气候韧性城市至关重要。建筑物分辨率的大涡模拟能够生成细致的不可压缩城市风场，但针对每种布局都需要付出高昂的计算成本。神经网络代理模型通过学习预测速度场的演化，为此提供了更快速的替代方案。然而，最小化速度预测误差并不能保证局部质量守恒和壁面不可渗透性，而这两者共同定义了运动学可容许性。这一局限源于无约束的输出表示：几何条件能够引导预测，但无法将预测限制在可容许的速度场范围内。修正这些输出中的边界违规会改变相邻流体单元中的通量平衡，从而可能破坏局部质量守恒。为应对这一挑战，我们提出 Sculpt，这是一种嵌套势框架，将耦合的、依赖几何的约束直接融入其参数化过程。该嵌套参数化通过在原生三维交错网格上对体积矢势施加离散旋度，生成无散度的速度更新。一个共享标量势约束矢势的边界值，使同一算子能够同时实现不可渗透性，而无需逐步进行压力投影。由于通过该旋度进行反向传播会削弱大尺度梯度信号，我们在多个分辨率下对体积势进行参数化，以更好地捕捉大尺度流动结构。我们引入 UrbanWindFlow，这是一个涵盖多种城市形态和来流条件的大涡模拟数据集，用于同时评估预测精度和运动学可容许性。